基于小波分析的湖南羅富沖滑坡監測數據去噪與預警

劉海濤

（現代投資股份有限公司懷化分公司，湖南 懷化）

引言

滑坡是指地表土體或巖石在重力作用下沿斜坡面發生的向下滑動過程，具有突發性、快速性和廣泛性的特點[1]?；聻暮Σ粌H造成了巨大的人員傷亡和財產損失，還破壞了土地資源、水資源和生態環境，嚴重威脅著人民生產生活安全和社會穩定。近年來，隨著人類社會和經濟的迅速發展，滑坡災害的頻發程度和影響范圍逐漸擴大，已成為限制經濟可持續發展和社會進步的重大隱患。

為了有效地預防和應對滑坡災害，開展自動化監測變得越來越重要。自動化監測是指利用先進的傳感器和監測技術，對滑坡進行實時、全面的數據采集和分析，以實現對滑坡變形、位移和速度等參數的監測和預警[2-5]。自動化監測可以提供及時準確的數據支持，為滑坡的預防、治理和應急管理提供決策依據和技術支持[6-8]。它不僅能夠監測滑坡的變化趨勢和預警信號，還能夠評估滑坡活動的危險程度和風險等級。

滑坡自動化監測數據受到地質環境復雜性和監測設備限制等因素的影響，經常存在噪聲問題。這些噪聲可能來自于天氣、地震、人類活動等外部干擾，也可能由于設備故障、信號傳輸損失等內部因素產生[9]。高噪聲數據會給滑坡監測與預警帶來一定的困難，容易導致誤警等不必要的后果。

綜上所述，對滑坡自動化監測數據進行去噪處理具有重要的必要性。去噪處理可以有效地提高監測數據的精度和可靠性，減少誤警的發生，為滑坡的安全管理和防治工作提供更可靠的基礎數據。本文將通過對湖南羅富沖滑坡自動化監測數據開展基于小波分析的去噪研究，旨在提高監測數據的準確性和可靠性，降低誤警率，從而提高滑坡災害的預警能力。

1 滑坡概況與監測方案

1.1 滑坡工程概況與監測方案

羅富沖滑坡地理位置和監測方案如圖1 所示，該滑坡位于湖南省婁底市新化縣曹家鎮羅富沖村。該滑坡為推移式土質斜坡，長約110 m，寬約35 m，厚度約8 m，體積約3.08 萬m3，斜坡體坡向為235°，坡度為20°，始發于2006 年12 月，截止發稿時該滑坡仍緩慢下滑。該滑坡目前威脅76 戶390 人，威脅財產500 萬元，險情等級為中型；雨季時可能演變成泥石流，坡底住戶較密集,威脅斜坡體前緣居民。

圖1 羅富沖滑坡地理位置和監測方案

為保障下方居民生命和財產安全，需對該滑坡部署自動化監測預警系統以進行全天候在線監測和實時預警?；卤O測方案如圖1 所示，羅富沖滑坡現場部署了兩套GNSS 地表位移監測設備，分別命名為GNSS01 和GNSS02，此外還需要部署一臺GNSS 基站以完成坐標位置的差分解算。同時還在滑坡體部署了一臺傾角傳感器（QX01）、一臺雨量計（YL01）和一臺聲光報警器（SG01）。

1.2 滑坡監測數據分析

羅富沖滑坡兩個GNSS 地表位移監測設備自2021 年4 月部署完成以來的監測數據如圖2 所示。從圖2 中可以發現，兩臺監測設備基本呈現較為同步的變形特征。從變形趨勢方面來看，兩臺監測設備自監測開始以來主要有兩次明顯的變形過程，第一次加速變形過程發生于2021 年9 月初，該次變形過程變形量不大，兩臺監測設備僅產生了不足10 mm 的變形，隨后變形趨勢趨于平緩。第二次加速變形過程起始于2022 年7 月末，GNSS01 設備首先發生加速變形，且一直持續到2023 年年末。GNSS02 號監測設備變形起始于2022 年11 月末，要明顯晚于GNSS01 監測設備，隨后也一直持續變形到2023 年年末。該變形過程表明，該滑坡后緣首先出現變形，且后緣變形程度明顯要高于前緣，這也符合推移式滑坡的變形特征。此外，還可以發現該滑坡監測數據噪聲十分嚴重，對于滑坡監測數據的自動化預警造成了嚴重的干擾，造成了很多誤報警，因此必須對該監測數據進行去噪以提升預警準確性。

圖2 羅富沖滑坡GNSS 地表位移監測數據

2 結果與討論

2.1 去噪效果對比

針對羅富沖滑坡GNSS 地表監測數據噪聲干擾嚴重導致誤報警的問題，使用小波分析對該滑坡的原始監測數據進行去噪。以GNSS01 地表監測站為例，對原始監測數據使用db4 小波進行分解，分別使用3、5、7、9 級分解等級進行分解，并使用分解的低頻分量進行信號重建，從而過濾掉高頻噪聲信號以提取有效變形趨勢。不同等級分解結果如圖3 所示，從圖3 中可以發現，當分解等級較低時，去噪數據中雖然還包含很多震蕩噪聲，但是很多顯著的異常值幅值被明顯壓縮，這表明去噪過程首先會對顯著異常數據進行去噪。隨著分解等級越來越高，去噪過程逐漸從顯著噪聲擴展到一般的高頻噪聲，這導致去噪后的監測數據越來越平滑，噪聲程度也就越來越低，這表明去噪效果越來越顯著。從圖3（d）中去噪效果來看，去噪結果不僅能夠良好地反映滑坡變形趨勢，而且變形趨勢較為平滑且連續，高頻噪聲已經被顯著壓制。

圖3 羅富沖滑坡GNSS01 地表位移監測數據不同等級去噪效果對比

2.2 預警效果對比

在對監測數據進行去噪處理后即可使用去噪后的監測數據進行對比。為了驗證數據去噪過程對于滑坡預警結果的影響，分別使用原始監測數據和去噪后的監測數據計算日變形速度，從而開展滑坡預警工作以驗證預警效果。日變形速度計算結果如圖4 所示，從圖中可以發現，原始監測數據計算的速度噪聲非常嚴重，速度震蕩幅度非常大，缺乏連續性和平滑性，且部分日期的變形速度呈現明顯異常，這也就導致出現了非常多的誤報警。而利用經過小波分析去噪后的監測數據計算的日變形速度整體趨勢比較平穩，連續性和平滑性也非常好，也沒有出現較為顯著的異常速度，這也就說明基本不會出現誤報警，極大地提升了預警的準確率。

圖4 羅富沖滑坡GNSS01 地表位移原始監測數據與去噪數據計算的日變形速度對比

3 結論

滑坡自動化監測傳感器受野外環境干擾影響，監測數據往往存在較為嚴重的噪聲，利用這種高噪的監測數據進行預警計算必然會導致出現非常多的誤報，一直以來都是滑坡預警中的難點和痛點，因此必須對原始監測數據進行去噪處理。本研究以羅富沖滑坡為研究案例，對原始的GNSS 地表位移監測數據使用小波分析進行去噪處理，并對處理前后的預警效果進行對比，得到了以下結論：

（1） 羅富沖滑坡的監測數據表明，該滑坡后緣首先出現變形，隨著時間推移后緣的變形幅度要明顯大于前緣，這表明羅富沖滑坡為典型的推移式土質斜坡。

（2） 使用小波分析對于原始監測數據進行分解，然后使用分解的低頻分量進行信號重建即可得到去噪后的數據。該去噪過程有效去除了高頻的噪聲信號，隨著分解級數的不斷增加，高頻噪聲也就越來越小，去噪效果也越來越顯著。

（3） 羅富沖滑坡自動化監測數據噪聲較為嚴重，使用小波分析對原始監測數據進行去噪處理后，監測數據噪聲得到了較為明顯地去除，以去噪后的監測數據計算的變形速度也更為連續和平滑，極大提升了預警的準確性和可靠性。